Dorkwright - Herramienta de Google Dorking

Dorkwright es una potente utilidad de Google dorking basada en Python que automatiza la extracción de enlaces de archivos de los resultados de búsqueda de Google y, opcionalmente, los descarga. Utiliza Playwright para la automatización del navegador e incluye manejo de CAPTCHA, indicadores de progreso y una interfaz CLI limpia.

Características

Dorking automatizado de Google (extracción de resultados de búsqueda)
Extrae URLs de archivos (PDF, DOC, XLS, etc.)
Descarga automática de archivos (opcional)
Consciente de CAPTCHA (espera a que el usuario lo resuelva)
Guarda los resultados en un archivo de salida
Soporte de descarga por lotes
Soporte de proxy para descargas
Integración con FlareSolverr para evadir la protección de Cloudflare
Rápido y potenciado por Playwright

Uso

╔═══════════════════════════════════════════════════════════════════════════════╗
║                          DORKWRIGHT - Google Dorker                           ║
║         Extract file links from Google search results and download them       ║
╚═══════════════════════════════════════════════════════════════════════════════╝

options:
  -h, --help            show this help message and exit
  -q, --query QUERY     Google search query (e.g., "site:example.com filetype:doc")
  -p, --pages N         Maximum number of result pages to scrape (default: 10)
  -d, --delay SECONDS   Delay between page requests to avoid CAPTCHA (default: 3)
  -o, --output FILE     Output file for extracted links (default: file_links.txt)
  --download            Download files after extracting links
  --download-dir DIR    Directory to save downloaded files (default: downloads)
  --input-file FILE     Input file with URLs to download (skip search if provided)
  --proxy URL           Proxy server URL (e.g., http://127.0.0.1:8080)
  --flaresolverr URL    FlareSolverr endpoint for bypassing Cloudflare

Ejemplos

Buscar y guardar enlaces

dorkwright.py -q "site:example.com filetype:doc OR filetype:docx OR filetype:dot"
dorkwright.py -q "site:example.com filetype:pdf" -p 5 -o results.txt

Buscar y descargar inmediatamente

dorkwright.py -q "site:example.com filetype:doc" --download --download-dir downloads

Descargar desde una lista de archivos existente

dorkwright.py --input-file file_links.txt --download-dir my_files

Descargar con proxy

# Using HTTP proxy
dorkwright.py --input-file file_links.txt --proxy http://127.0.0.1:8080

# Using SOCKS5 proxy
dorkwright.py --input-file file_links.txt --proxy socks5://127.0.0.1:1080

Descargar con FlareSolverr (bypass de Cloudflare)

# Download from existing file using FlareSolverr
dorkwright.py --input-file file_links.txt --flaresolverr http://localhost:8191

# Search and download with FlareSolverr
dorkwright.py -q "site:example.com filetype:pdf" --download --flaresolverr http://localhost:8191

Instalación

git clone https://github.com/San-Tus/Dorkwright
cd Dorkwright
python -m venv .venv

Activar el entorno virtual:

OS	Command
Windows	`.venv\Scripts\activate`
Linux/macOS	`source .venv/bin/activate`

Instalar paquetes requeridos:

pip install -r requirements.txt
playwright install chromium

Configuración de FlareSolverr (Opcional)

FlareSolverr es un servidor proxy que resuelve desafíos de Cloudflare, permitiéndote descargar archivos de sitios protegidos por Cloudflare.

Para instrucciones de instalación y configuración, sigue la documentación oficial: https://github.com/FlareSolverr/FlareSolverr

Ejecutar el Script

python dorkwright.py -h

Ejemplo de uso real:

python dorkwright.py -q "site:gchq.gov.uk filetype:doc OR filetype:docx OR filetype:xls OR filetype:xlsx OR filetype:pdf" -p 10 --download --download-dir GCHQ

Salida de Ejemplo (Scraping + Manejo de CAPTCHA)

Searching Google for: site:gchq.gov.uk filetype:doc OR filetype:docx OR filetype:xls OR filetype:xlsx OR filetype:pdf
Max pages: 10
Delay between pages: 3s

Searching page 1...

============================================================
CAPTCHA DETECTED!
Please solve the CAPTCHA in the browser window.
Press ENTER here when done...
============================================================

Los enlaces encontrados aparecen como:

Found: https://www.gchq.gov.uk/files/CheltScienceFestivalTranscript.pdf
Found: https://www.gchq.gov.uk/files/NLCChallenge1_WT.pdf
...

Lista Final de URLs Extraídas

============================================================
Found 77 unique file links:
============================================================
https://www.gchq.gov.uk/files/2020%20Christmas%20Card%20Solution.pdf
https://www.gchq.gov.uk/files/2020%20Christmas%20Card.pdf
https://www.gchq.gov.uk/files/2023%20GCHQ%20Christmas%20Challenge.pdf
https://www.gchq.gov.uk/files/2024%20Combined%20Pay%20Gap%20External%20-%20Updated.pdf
https://www.gchq.gov.uk/files/Answers.pdf
...
Saved 77 links to file_links.txt

Salida de Descarga Automatizada

Cuando se habilita --download:

Starting downloads...

Found 77 URLs to download
Saving to directory: GCHQ

  ✓  2020 Christmas Card Solution.pdf                       3.30 MB
  ✓  2020 Christmas Card.pdf                                2.45 MB
  ✓  2023 GCHQ Christmas Challenge.pdf                      6.15 MB
  ✓  2024 Combined Pay Gap External - Updated.pdf         489.67 KB
  ✓  Answers.pdf                                         1016.25 KB
...

Ejemplo de Estadísticas de Descarga

================================================================================
                              DOWNLOAD STATISTICS
================================================================================
  Total files processed:     77
  Successfully downloaded:   77
  Failed downloads:          0
  Total size:                261.16 MB
  Time elapsed:              35.15s
  Average speed:             7.43 MB/s

  File types downloaded:
    .pdf       :  77 files
================================================================================

Dorkwright

Más Populares